基于可变模糊数学模型的大河口水库富营养化评价

为科学客观准确地评价大河口水库水体富营养化程度,于2014年1月至2015年11月对大河口水库布设的18个水质监测点位进行了23个月的水质分析检测工作,并选取COD、Chl-a、TP、TN共4项水质指标,运用模糊可变集理论和方法,构建了用于水体富营养化评价的模糊可变模型,结合等权法、熵值法和单纯阈值法3种主客观赋权法,对大河口水库进行富营养化评价。结果表明:可变模糊数学评价模型应用于水库水体富营养化评价具有合理性和客观性,3种权重下取得评价结果一致,大河口水库各监测点水质呈现富营养化状态,B_1、B_2和L监测点水质属于重富营养化状态。     

集对分析用于湖泊富营养化评价研究

建立了利用集对分析方法进行湖泊水质富营养化评价的新模型，并研究了我国五个主要湖泊的富营养化状况，与其它方法进行比较，取得了满意的结果，为湖泊水质富营养化评价提供了一种简单而适用的评价方法。     

查干湖富营养化状况高光谱遥感评价研究

通过分析查干湖水体水质参数与其高光谱反射特征之间的响应关系,采用单波段与波段比值等算法分别建立了湖水水质的高光谱定量反演模型;同时结合修正营养状态指数(TSIM)模型,针对水质参数的实验室数据和高光谱模型模拟数据,对查干湖富营养化程度进行了监测和评价,并进行了验证.结果表明:1)利用高光谱监测模型对湖泊富营养化状况进行监测和评价,能够获取较为准确的评价结果;2)单项指数评价法由于只针对一个指标进行评价,不适合用来进行水体富营养化评价,采用修正营养状态指数TSIM(AVE)方法,可以对查干湖水体富营养化程度进行正确的评价.评价结果显示,查干湖水体处于富营养化状态,需要采取措施防止进一步恶化.     

湖泊水质富营养化评价的模糊决策方法

针对湖泊水质富营养化评价中各等级之间的模糊性,在充分考虑水质各污染因素权重大小的基础上,运用模糊综合评判方法建立了湖泊水质富营养化评价模型.并研究了我国5个主要湖泊的富营养化状况,和其它方法比较,取得了满意的结果.为湖泊水质富营养化评价提供了一种准确的、有效的决策方法.     

属性识别理论模型在湖泊水质富营养化评价中的应用

近年来提出的属性识别理论模型已在环境质量评价中有所应用。现将该模型引用到湖泊水质富营养化评价中来 ,并用此模型对福州市山仔水库的水质进行评价 ,其评价结果与运用模糊隶属函数法得到的结果进行比较 ,其结果令人满意。此模型为湖泊水质的富营养化评价提供一种简便实用的评价方法     

乌梁素海水环境质量现状评价

在对乌梁素海2004年4、6、8和10月的4次水质监测的基础上,选用Logistic Curve(L-C)水环境质量综合评价模型,以等级评价标准和均匀随机数产生建模样本和验证样本,利用实码加速遗传算法求解评价模型,对乌梁素海水环境质量的富营养化进行了现状评价,确定了2004年乌梁素海的富营养化等级。结果表明:乌梁素海2004年水质的富营养化程度依然接近5级——极富营养状态,4、6、8和10月的富营养化等级大小依次为:6月>4月>8月>10月。     

基于熵权法的富营养化二级模糊综合评价模型:以江苏九里湖国家湿地公园为例

针对江苏九里湖塌陷湿地公园水体富营养化评价问题,于2018年春、夏、秋、冬4个季节对江苏九里湖塌陷公园内10个水质监测点进行水质监测,并选取TP、TN、COD_Mn、Chl.a、SD 5项水质指标,采用基于"压力-响应"思想构建二级模糊综合评价模型,结合熵权法对九里湖水质富营养化程度进行评价。评价结果表明,该评价模型具有合理性和客观性,江苏九里湖国家湿地公园水体富营养状态与季节变化相关性较强,各监测点富营养化等级处于中富营养与富营养级别。     

基于磷阈值的富营养化风险评价体系

选取北京市重要的地表水源密云水库作为实例研究,在识别影响富营养化发生的主要限制因子的基础上,采用外源营养盐输入对富营养化作用的流水藻类培养试验(AGP)方法,并结合数学方法拟合富营养化水体发生的阈值.研究表明,根据富营养化水体各水质指标之间的回归关系,确定出能够反映富营养化的水质指标阈值.运用水质模型模拟富营养化过程,进行基于阈值的富营养化风险评价,构建了富营养化风险评价方法体系,提供了一种基于阈值的水体富营养化风险评价的方法.     

湖泊水质富营养化评价的物元分析法

建立了利用物元分析理论进行湖泊水质富营养化评价的新模型.并研究了我国五个主要湖泊的富营养化状况,和其它方法比较,取得了满意的结果.     

基于GA-BP模型的景观小水体富营养化评价方法

为了研究适用于景观小水体富营养化评价的方法,以上海市10个公园景观水体为实验对象,在初步了解了景观小水体水质和营养状况的基础上运用主成份分析法对各项水质指标进行评价因子筛选,并对筛选出来的因子建立富营养化评价等级.运用MATLAB软件的GA-BP算法建立评价模型对10个公园4个季度共40组数据进行评价,结果显示与营养度指数法结果总体一致.选用的Chla, TP, TN, CODMn, SD五个评价因子的数据都比较易得,模型可推广性强.     

湖泊水质富营养化评价的模糊神经网络方法

为了探索人工神经网络用于湖泊营养化评价的可能性,提出了基于多准则学习的模糊神经网络湖泊水质营养化评价模型。该模型应用于我国五大主要湖泊水质营养化的评价结果表明,模糊神经网络用于湖泊水质营养化评价,具有简便、实用、客观性和广泛的通用性。      

B－P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本，应用人工神经网络Ｂ－Ｐ算法，分别建立了３参数和４参数的水质分类模型。并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的。且由于Ｂ－Ｐ网络有自学习、自适应的能力，因而与其它的环境质量分类法相比具有优越性。     

B-P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本,应用人工神经Ｂ－Ｐ算法,分别建立了３参数和４参数的水质分类模型,并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的,且由于Ｂ－Ｐ网络有学习,自适应的能力,因而与其它的环境质量分类法相比具有优越性。     

基于地理分区及神经网络的湖泊水库富营养化研究

构建了一个基于地理分区及神经网络的湖泊水库富营养化综合评价体系.以美国环境保护署Nutrient Criteria Database数据库为参照对象,有针对性地研究我国湖泊水库的情况,首次提出了基于地理分区的简易评价标准,对不同地理特征的水体富营养化临界值进行了定量研究.同时本研究还建立了基于神经网络的富营养化评价模型...     

人工神经网络在湖泊富营养化评价中的应用研究

运用人工神经网络技术评价湖泊富营养化程度。详细阐述了神经网络的结构设计，样本生成及学习算法，给出了通过训练得出的网络权和阈值，最后将此神经网络用于１２个湖泊的富营养化评价，取得了较好的评价结果。     

湖泊水质富营养化评价的多准则神经网络法

提出了基于误差平方和准则与模糊熵准则下的多准则神经网络湖泊水质营养化评价模型，并将其应用于我国五大湖泊水质营养化的评价。结果表明，多准则神经网络用于湖泊水质营养化评价，具有简便，实用，客观和广泛的通用性     

Prediction of the concentration of chlorophyll-α for Liuhai urban lakes in Beijing City

Introduction The eutrophication of fresh w ater has becom e a m ain w ater environm ental problem in the w orld. The m ain negative im pacts of fresh w ater eutrophication are w ater quality deterioration and the decrease of hydrophytes and aquatic specie…     

Prediction of the concentration of chlorophyll-a for Liuhai urban lakes in Beijing City

The weekly water quality monitor data of Liuhai lakes between April 2003 and November 2004 in Beijing City were used as an example to build an artificial neural networks （ANN） model and a multi-varieties regression model respectively for predicting the fresh water algae bloom. The different predicted abilities of the two methods in Liuhai lakes were compared. A principle analysis method was first used to select the input variables of the models to avoid the phenomenon of collinearity in the data. The results showed that the input variables for the artificial neural networks were T, TP, transparency（SD）, DO, chlorophyll-a （Chl-a）,pH and the output variable was Chl-a. A three layer Levenberg-Marguardt feed forward leaming algorithm in ANN was used to model the eutrophication process of Liuhai lakes. 20 nodes in hidden layer and 1 node of output for the ANN model had been optimized by trial and error method. A sensitivity analysis of the input variables was performed to evaluate their relative significance in determining the predicted values. The correlation coefficient between predicted value and observed value in all data and in test data were 0.717 and 0.816 respectively in the artificial neural networks. The stepwise regression method was used to simulate the linear relation between Chl-a and temperature, of which the correlation coefficient was 0.213. By comparing the results of the two models, it was found that neural network models were able to simulate non-linear behavior in the water eutrophication process of Liuhai lakes reasonably and could successfully estimate some extreme values from calibration and test data sets.     

湖泊富营养化评价模型的发展和应用

以湖泊富营养化模型研究的发展为主线,着重介绍了四类富营养化模型,即：营养盐模型,浮游植物生态模型,生态动力学模型和人工神经网络模型。通过对目前国内外常用富营养化模型的建立思路和应用实例进行概括和描述。对不同模型的优缺点和适用范围进行了分析比较,对水体富营养化研究的最新发展趋势进行了预测和展望,为湖泊水库综合管理提供了有效参考。     

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩ＿ｃ为０．５０，１００相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。